Structural Equation Modeling (SEM) untuk Mengukur Pengaruh ...

Indonesian Journal of Applied Statistics ISSN 2621–086X Volume 4 No. 1 May 2021

1

Structural Equation Modeling (SEM) untuk Mengukur Pengaruh

Pelayanan, Harga, dan Keselamatan terhadap Tingkat Kepuasan

Pengguna Jasa Angkutan Umum Selama Pandemi Covid-19 di

Kota Ambon

Zakheus Putlely1, Yopi Andry Lesnussa2, Abraham Z. Wattimena3, Muhammad Yahya Matdoan4

1,2,3,4Universitas Pattimura

[email protected]

Abstract. Structural Equation Modeling (SEM) is a statistical analysis technique

used to build and test statistical models in the form of causal models. Large-Scale

Social Restrictions (PSBB) are government policies to break the chain of spreading

the corona virus (Covid-19). This policy certainly has an impact on drivers of public

transport services. This research shows that the passengers are very satisfied with the

travel safety factor. Meanwhile, service factors and passenger public transport fares

are in the satisfied category. Furthermore, the variable service quality (MP), the

price of public transportation (H), and passenger safety (KP) have an influence on

passenger satisfaction. Because the t-value is greater than 1.96 (for the real level of

5%). The influence of service quality, price and safety variables on passenger satisfaction is 78.1%, the remaining 21.9% is influenced by other variables outside

the research.

Keywords: covid-19, structural equation modeling, satisfaction.

1. Pendahuluan

Pada akhir tahun 2019 dunia dikejutkan dengan wabah virus corona (Covid-19)

yang menginfeksi hampir seluruh negara di dunia [1]. Sejak Januari 2020 WHO telah

menyatakan darurat global terkait virus ini. Langkah strategis telah dilakukan oleh

pemerintah untuk dapat menyelesaikan kasus luar biasa ini salah satunya dengan

menyosialisasikan gerakan social distancing [2]. Konsep ini menjelaskan bahwa untuk

dapat mengurangi bahkan memutus mata rantai infeksi Covid-19, seseorang harus

menjaga jarak dengan manusia lainnya minimal 2 meter, tidak melakukan kontak

langsung dengan orang lain, dan menghindari pertemuan massal. Tetapi banyak

masyarakat yang tidak menyikapi hal ini dengan baik.

Provinsi Maluku merupakan wilayah dalam Negara Kesatuan Republik Indonesia

(NKRI), tentu tidak terlepas dari masalah penyebaran Covid-19. Hal ini berdampak pada

aktivitas masyarakat pada umumnya. Sejak diberlakukannya darurat bencana oleh

pemerintah pusat, maka pemerintah daerah melakukan hal yang sama. Pembatasan Sosial

Berskala Besar (PSBB) merupakan kebijakan Pemerintah untuk memutuskan mata rantai

penyebaran virus corona (Covid-19). Diberlakukannya PSBB, hampir semua aktivitas

dilakukan di rumah [3]. Kebijakan ini tentu berdampak pada perekonomian masyarakat,

khususnya masyarakat yang berprofesi sebagai pengemudi jasa angkutan umum. Hal ini


2

disebabkan karena pemerintah memberlakukan kebijakan bahwa setiap mobil angkutan

umum maksimal mengangkut penumpang sebanyak 5 orang dalam sekali jalan, guna

memutus mata rantai Covid-19 [4]. Namun dalam pelaksanaanya masih terdapat

angkutan umum yang mengangkut lebih dari 5 orang dan bahkan masih terdapat

penumpang yang tidak menggunakan masker. Selain itu, terdapat angkutan umum yang

menaikkan harga transportasi disebabkan karena kapasitas penumpang yang hanya

maksimal 5 orang dalam sekali jalan dan jika tidak dinaikkan maka sopir angkutan umum

akan memperoleh kerugian. Selain itu, masih banyak angkutan umum yang tidak

memberikan pelayanan dengan baik seperti menyediakan antiseptik atau desinfektan. Hal

ini akan berdampak pada keselamatan penumpang terhadap wabah Covid-19 dalam

angkutan umum.

Structural Equation Modeling (SEM) merupakan salah satu teknik analisis

statistik yang digunakan untuk membangun dan menguji model statistik dalam bentuk

model-model sebab akibat [5]. Analisis SEM menggabungkan analisis regresi, faktor, dan

jalur sehingga secara simultan menghitung hubungan yang terjadi antara variabel laten,

mengukur nilai loading dari indikator-indikator variabel laten, dan menghitung model

jalur dari variabel-variabel laten tersebut [6]. Pada dasarnya, SEM adalah salah satu

teknik multivariat yang akan menunjukkan bagaimana cara merepresentasikan suatu seri

atau deret hubungan kausal (causal relationship) dalam suatu diagram jalur (path

diagram).

2. Landasan Teori

2.1. Sejarah Structural Equation Modeling (SEM) dan Pengertian

SEM adalah suatu teknik statistik yang mampu menganalisis pola hubungan

antara konstruk laten dan indikatornya, konstruk laten yang satu dengan lainnya, serta

kesalahan pengukuran secara langsung. SEM memungkinkan dilakukannya analisis

diantara beberapa variabel dependen dan independen secara langsung [7]. Alasan yang

mendasari digunakannya SEM yaitu

1. SEM mempunyai kemampuan untuk mengestimasi hubungan antar variabel yang

bersifat multiple relationship. Hubungan ini dibentuk dalam model struktural

(hubungan antara konstruk dependen dan independen).

2. SEM mempunyai kemampuan untuk menggambarkan pola hubungan antara

konstruk laten dan variabel manifes atau variabel indikator.

2.2. Persamaan Matematis dalam SEM

1. Persamaan model struktural


3

ε1 = γ11ξ1 + δ1

ε2 = γ22ξ2 + δ2

ε3 = β31ε1 + β32ε2 + δ3

2. Persamaan model pengukuran variabel eksogen

X1 = λ11ξ1 + δ1

X2 = λ21ξ1 + δ2

X3 = λ12ξ2 + δ3

3. Persamaan model pengukuran variabel endogen

Y1 = λ13ε1 + ε1

Y2 = λ23ε1 + ε2

Y3 = λ33ε1 + ε3

Keterangan:

ε : variabel laten endogen

ξ : variabel laten eksogen

γ : koefisien pengaruh variabel eksogen terhadap variabel endogen

β : koefisien pengaruh variabel endogen terhadap variabel endogen

δ : galat pengukuran pada variabel manifest untuk variabel laten eksogen

ε : galat pengukuran pada variabel manifest untuk variabel laten endogen

λ : loading faktor

2.3. Proses Analisis SEM

Menurut [7] terdapat tujuh langkah yang harus dilakukan apabila menggunakan

SEM yaitu

1. Pengembangan Model Teoritis

Pada langkah pengembangan model teoritis, hal yang harus dilakukan adalah

melakukan serangkaian eksplorasi ilmiah melalui telaah pustaka guna

mendapatkan justifikasi atas model teoritis yang akan dikembangkan.

2. Pengembangan Diagram Alur

Pada langkah kedua ini, model teoritis yang telah dibangun pada tahap pertama

akan digambarkan dalam sebuah diagram alur yang akan mempermudah untuk

melihat hubungan kausalitas yang ingin diuji. Pada diagram alur, hubungan antar

konstruk akan dinyatakan melalui anak panah. Anak panah yang lurus

menunjukkan sebuah hubungan kausal yang langsung antara satu konstruk

lainnya [8]. Sedangkan garis-garis lengkung antar konstruk dengan anak panah


4

pada setiap ujungnya menunjukkan korelasi antara konstruk. Konstruk yang

dibangun dalam diagram alur dapat dibedakan dalam dua kelompok, yaitu [5]

a) Konstruk eksogen (exogenous constructs), yang dikenal juga sebagai source

variables atau independent variables yang akan diprediksi oleh variabel yang

lain dalam model. Konstruk eksogen adalah konstruk yang dituju oleh garis

dengan satu ujung panah.

b) Konstruk endogen (endogen constructs), merupakan faktor-faktor yang

diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat

memprediksi satu atau beberapa konstruk endogen lainnya, tetapi konstruk

eksogen hanya dapat berhubungan kausal dengan konstruk endogen.

3. Konversi diagram alur ke dalam persamaan-persamaan yang diperoleh dari

diagram alur yang dikonversi terdiri dari :

a) Persamaan struktural (structural equation) yang dirumuskan untuk

menyatakan hubungan kausalitas antar berbagai konstruk.

Variabel endogen = variabel eksogen + variabel endogen + error

b) Persamaan spesifikasi model pengukuran (measurement model), dimana harus

ditentukan variabel yang mengukur konstruk dan menentukan serangkaian

matriks yang menunjukkan korelasi antar konstruk atau variabel.

4. Memilih matriks input dan estimasi model

SEM menggunakan input data yang hanya menggunakan matriks

varians/kovarians atau matriks korelasi untuk keseluruhan estimasi yang

dilakukan. Matriks kovarian digunakan karena SEM memiliki keunggulan dalam

menyajikan perbandingan yang valid antara populasi yang berbeda atau sampel

yang berbeda, yang tidak dapat disajikan oleh korelasi.

5. Kemungkinan munculnya masalah identifikasi

Masalah identifikasinya adalah masalah mengenai ketidakmampuan dari model

yang dikembangkan untuk menghasilkan estimasi yang unik. Apabila setiap kali

estimasi dilakukan muncul masalah identifikasi, maka sebaiknya model

dipertimbangkan ulang dengan mengembangkan lebih banyak konstruk.

6. Evaluasi kriteria goodness of fit

Pada tahap ini dilakukan pengujian terhadap kesesuaian model melalui telaah

terhadap berbagai kriteria goodness of fit.

7. Interpretasi dan modifikasi model


5

Tahap terakhir ini adalah menginterpretasikan model dan memodifikasi model

bagi model-model yang tidak memenuhi syarat pengujian yang dilakukan.

3. Hasil dan Pembahasan

3.1 Gambaran Umum Variabel Penelitian

Gambaran umum variabel penelitian dapat dirincikan sebagai berikut

a) Variabel Kepuasan Penumpang (Y)

Analisa data variabel kepuasan penumpang mempunyai 3 butir pertanyaan pada

instrumen serta memiliki 5 pilihan yaitu (sangat puas, puas, cukup, tidak puas, dan sangat

tidak puas), sehingga skor butir dapat ditentukan sebagai berikut :

Skor tertinggi 53 = 15

Skor terendah 13 = 3

Range = 12

Adapun secara rinci deskripsi kepuasan penumpang berdasarkan kriteria mutlak

yang telah ditetapkan dapat dilihat pada Tabel 1.

Tabel 1. Konversi Nilai Kepuasan Penumpang (Y)

No Interval Frekuensi Persentase Kriteria

1. 14-15 64 64% Sangat Puas

2. 12-13 31 31% Puas

3. 10-11 2 2% Cukup

4. 8-9 2 2% Tidak Puas

5. <8 1 1% Sangat Tidak Puas

Jumlah 100 100%

Berdasarkan Tabel 1, banyaknya responden yang mempersepsikan kepuasan

penumpang pada kualifikasi atau kategori sangat puas sebanyak 64 responden (64%),

kualifikasi atau kategori puas sebanyak 31 responden (31%), kualifikasi atau kategori

cukup sebanyak 2 responden (2%), sisanya pada kualifikasi atau kategori tidak puas

sebanyak 2 responden (2%), dan kualifikasi atau kategori sangat tidak puas sebanyak 1

responden (1%). Hal ini dapat disimpulkan kepuasan penumpang pada jasa angkutan

umum di Kota Ambon selama masa pandemi Covid-19 secara umum memiliki kualifikasi

sangat puas.

b) Variabel Mutu Pelayanan (X1)

Analisa data variabel mutu pelayanan mempunyai 3 butir pertanyaan pada

instrumen serta memiliki 5 pilihan (sangat puas, puas, cukup, tidak puas, dan sangat tidak


6

puas). Adapun secara rinci deskripsi mutu pelayanan berdasarkan kriteria mutlak yang

telah ditetapkan dapat dilihat pada Tabel 2.

Tabel 2. Konversi Nilai Mutu Pelayanan (X1)


1. 14-15 25 25% Sangat Puas

2. 12-13 58 58% Puas

3. 10-11 13 13% Cukup



Jumlah 100 100%

Berdasarkan Tabel 2, banyaknya responden yang mempersepsikan mutu pelayanan

pada kualifikasi atau kategori sangat puas sebanyak 25 responden (25%), kualifikasi atau

kategori puas sebanyak 58 responden (58%), kualifikasi atau kategori cukup sebanyak 13

responden (13%), sisanya pada kualifikasi atau kategori tidak puas sebanyak 4 responden

(4%), dan kualifikasi atau kategori sangat tidak puas sebanyak 0 responden (0%). Hal ini

dapat disimpulkan mutu pelayanan penumpang pada jasa angkutan umum di Kota Ambon

selama masa pandemi Covid-19 secara umum memiliki kualifikasi puas.

c) Variabel Harga (X2)

Analisis data variabel harga mempunyai 3 butir pertanyaan pada instrumen serta

memiliki 5 pilihan (sangat terjangkau, terjangkau, cukup, tidak terjangkau, dan sangat

tidak terjangkau). Adapun secara rinci deskripsi angkutan umum berdasarkan kriteria

mutlak yang telah ditetapkan dapat dilihat pada Tabel 3.

Tabel 3. Konversi Nilai Harga (X2)


1. 14-15 42 42% Sangat Terjangkau

2. 12-13 47 47% Terjangkau

3. 10-11 7 7% Cukup

4. 8-9 4 4% Tidak Terjangkau

5. <8 0 0% Sangat Tidak Terjangkau

Jumlah 100 100%

Berdasarkan Tabel 3, banyaknya responden yang mempersepsikan harga

angkutan umum pada kualifikasi atau kategori sangat terjangkau sebanyak 42 responden

(42%), kualifikasi atau kategori terjangkau sebanyak 47 responden (47%), kualifikasi


7

atau kategori cukup sebanyak 7 responden (7%), sisanya pada kualifikasi atau kategori

tidak terjangkau sebanyak 4 responden (4%), dan kualifikasi atau kategori sangat tidak

terjangkau sebanyak 0 responden (0%). Hal ini dapat disimpulkan harga pada jasa

angkutan umum di Kota Ambon selama masa pandemi Covid-19 secara umum memiliki

kualifikasi terjangkau.

d) Variabel Keselamatan Penumpang (X3)

Analisis data variabel keselamatan penumpang mempunyai 3 butir pertanyaan

pada instrumen serta memiliki 5 pilihan (sangat puas, puas, cukup, tidak puas, dan sangat

tidak puas). Adapun secara rinci deskripsi keselamatan penumpang berdasarkan kriteria

mutlak yang telah ditetapkan dapat dilihat pada Tabel 4.

Tabel 4. Konversi Nilai Keselamatan Penumpang (X3)


1. 14-15 76 76% Sangat Puas

2. 12-13 22 22% Puas

3. 10-11 0 0% Cukup



Jumlah 100 100%

Banyaknya responden yang mempersepsikan keselamatan penumpang pada

kualifikasi atau kategori sangat puas sebanyak 76 responden (76%), kualifikasi atau

kategori puas sebanyak 22 responden (22%), kualifikasi atau kategori cukup sebanyak 0

responden (0%), sisanya pada kualifikasi atau kategori tidak puas sebanyak 1 responden

(1%), dan kualifikasi atau kategori sangat tidak puas sebanyak 1 responden (1%). Hal ini

dapat disimpulkan keselamatan penumpang pada jasa angkutan umum di Kota Ambon

selama masa pandemi Covid-19 secara umum memiliki kualifikasi sangat puas.

3.2 Model SEM

a) Spesifikasi Model

Pada tahap ini dibentuk suatu model yang menggambarkan hubungan antara

variabel laten yang satu dengan variabel laten yang lain, maupun variabel laten dengan

variabel indikatornya yang didasarkan pada teori yang berlaku.

Penggabungan seluruh komponen SEM menjadi suatu model lengkap biasa

disebut full dan hybrid model yang digambarkan dalam suatu diagram jalur (path

diagram) yang ditunjukkan pada Gambar 1 untuk mempermudah melihat hubungan-

hubungan yang ingin diuji.


8

Gambar 1. Path Diagram Hybrid Model

b) Identifikasi Model

Setelah dilakukan spesifikasi model, langkah selanjutnya adalah mengidentifikasi

model tersebut. Pada analisis SEM diharapkan memperoleh model yang over-identified

(df > 0) dan dihindari model yang under-identified (df < 0). Pada penelitian ini diperoleh

nilai degree of freedom yaitu 32 sehingga model tersebut adalah over-identified.

c) Estimasi Model

Setelah dilakukan spesifikasi dan identifikasi model maka tahap selanjutnya yang

dilakukan adalah mengestimasi model. Pada penelitian ini, data tidak berdistribusi normal

multivariat sehingga model diestimasi menggunakan metode maximum likelihood dengan

memperhatikan standar error dan goodness of fit akibat ketidaknormalan data tersebut.

Berdasarkan penelitian ini, hasil estimasi dapat dilihat pada Gambar 2.

Gambar 2. Diagram Hasil Estimasi Model


9

d) Uji Kecocokan Model dan Respesifikasi

Dalam tahap ini tingkat kecocokan diperiksa antara data dengan model dan

dilakukan pengujian secara bertahap. Tahap pertama pengujian dilakukan terhadap model

pengukuran untuk mencapai uji kelayakan model yang baik, kemudian tahap kedua

dilakukan pengujian secara struktural untuk setiap variabel.

1. Uji Kecocokan dan Respesifikasi Model Pengukuran

Pada tahap ini akan dilakukan validasi untuk mengetahui kesesuaian antara

variabel laten dan variabel indikator yang ingin diukur. Pertama dilakukan uji validitas

terhadap model pengukuran dengan memperhatikan muatan faktor standarnya

(standardized loading factors) 0,50. Standardized loading factors dari model

pengukuran dapat dilihat pada Gambar 3.

Gambar 3. Hasil Standardized Loading Factors

Gambar 3 menunjukkan bahwa seluruh muatan faktor standarnya

(standardized loading factors) lebih besar sama dengan 0,50, p-value 0,50, dan nilai

Chi-Square semakin kecil semakin baik. Dapat dikatakan bahwa keseluruhan model

pengukuran dengan semua nilai variabel teramati valid.

2. Uji Kecocokan dan Respesifikasi Model Struktural

Pada tahap ini telah diperoleh kecocokan model yang baik, sehingga diperoleh

indikator-indikator dari variabel laten, yaitu

1) Indikator dari variabel laten mutu pelayanan adalah X11, X12, dan X13

2) Indikator dari variabel laten harga adalah X21, X22, dan X23


10

3) Indikator dari variabel laten keselamatan adalah X31, X32, dan X33

4) Indikator dari variabel laten kepuasan penumpang adalah Y11, Y12, dan Y13

3. Uji Kecocokan Keseluruhan Model

Hasil uji kecocokan keseluruhan model ditunjukkan pada Tabel 5. Hooper et

al. [9], menilai ukuran kecocokan model dengan melihat nilai chi-square, RMSEA,

CFI, dan RMSR. Tabel 5 menunjukkan bahwa model sudah sesuai sehingga dapat

digunakan sebagai dasar analisis terhadap permasalahan penelitian ini.

Tabel 5. Uji Kecocokan Keseluruhan Model

GOF Tingkat Kecocokan yang Dapat

Diterima Indeks Model Keterangan

Chi-

Square

Semakin kecil semakin baik (p-value

50,0 ) 12,023 (p = 1,00) Baik

NCP Semakin kecil semakin baik 0,22 Baik

GFI GFI 90,0 good fit

90,080,0 GFI marginal fit 0,84 Cukup

RMSR RMSR 50,0 good fit 2,55 Baik

RMSEA RMSEA 50,0 good fit 0,02 Baik

ECVI dengan ECVI saturated= 5,259 Baik

NNFI NNFI 90,0 good fit

90,080,0 NNFI marginal fit 1,00 Baik

NFI NFI 90,0 good fit

90,080,0 NFI marginal fit 0,99 Baik

AGFI AGFI 90,0 good fit

90,080,0 AGFI marginal fit 0,942 Baik

IFI IFI 90,0 good fit

90,080,0 IFI marginal fit 1,00 Baik

CFI CFI 90,0 good fit 1,00 Baik

PGFI Nilai lebih tinggi lebih baik 0,518 Cukup

CN CFI 200 baik 216,656 Baik

4. Uji Kecocokan Model Pengukuran

Setelah kecocokan model dan data keseluruhan adalah baik, maka langkah

selanjutnya adalah menguji kecocokan model pengukuran dengan mengevaluasi

setiap variabel laten dengan beberapa indikatornya. Gambar 4 adalah path diagram t-

value.

Pada hasil estimasi t-value terdapat variabel yang tidak memiliki lintasan

yaitu variabel KP ke Y1. Hal ini dikarenakan variabel tersebut telah ditetapkan

menjadi variance reference yang berarti variabel indikator tersebut secara nyata


11

berhubungan dengan variabel latennya. Berdasarkan output analisis data, diperoleh

hasil persamaan struktural yang ditunjukkan pada Tabel 6.

Dari hasil penelitian diperoleh persamaan struktural

1 2 30,545 1,648 4,721KP X X X

Tabel 6 menunjukkan bahwa nilai R2 sebesar 78,1%, artinya variasi

kepuasan penumpang (KP) yang dapat dijelaskan oleh mutu pelayanan (X1) dan

harga (X2) serta keselamatan (X3) sebesar 78,1 persen.

Tabel 6. Hasil Analisis Persamaan Struktural

Variabel Laten Eksogen Standardized Coeficient t-value Ket R2

X1 0,545 14,06 Signifikan

0,781 X2 1,648 241,88 Signifikan

X3 4,721 137,10 Signifikan

e) Hipotesis Penelitian

Hipotesis dalam penelitian ini dapat dilihat pada Tabel 7. Berdasarkan hasil yang

diperoleh pada Gambar 4, diperoleh nilai t-value untuk variabel laten mutu pelayanan

yaitu sebesar 14,06 (>1,96). Hal ini dapat disimpulkan bahwa variabel laten mutu

pelayanan (MP) mempunyai pengaruh terhadap kepuasan penumpang. Variabel laten

harga angkutan umum (H) sebesar 241,88 (>1,96). Hal ini dapat disimpulkan bahwa

variabel laten harga angkutan umum mempunyai pengaruh terhadap kepuasan

penumpang. Nilai untuk variabel laten keselamatan (K) mempunyai nilai sebesar 137,10

(>1,96). Hal ini dapat disimpulkan bahwa variabel laten keselamatan penumpang

mempunyai pengaruh terhadap kepuasan penumpang angkutan umum di Kota Ambon.

Tabel 7. Hipotesis Penelitian

Hipotesis

Pertama

H0 Variabel mutu pelayanan tidak mempunyai pengaruh terhadap

kepuasan pelanggan.

H1 Variabel mutu pelayanan mempunyai pengaruh terhadap kepuasan pelanggan.

Hipotesis

Kedua

H0

H1

Variabel harga tidak mempunyai pengaruh terhadap kepuasan

pelanggan.

Variabel harga mempunyai pengaruh terhadap kepuasan pelanggan.

Hipotesis

Ketiga

H0 Variabel keselamatan tidak mempunyai pengaruh terhadap

kepuasan pelanggan.

H1 Variabel keselamatan mempunyai pengaruh terhadap kepuasan pelanggan.


12

Gambar 4. Path Diagram t-Value

4. Kesimpulan

Berdasarkan hasil analisis dan pembahasan pada bab sebelumnya, maka

penelitian ini dapat disimpulkan bahwa tingkat kepuasan penumpang jasa angkutan

umum di Kota Ambon selama masa pandemi Covid-19 secara umum memiliki kualifikasi

sangat tinggi. Variabel mutu pelayanan penumpang pada jasa angkutan umum di Kota

Ambon selama masa pandemi Covid-19 secara umum memiliki kualifikasi tinggi.

Variabel harga pada jasa angkutan umum di Kota Ambon selama masa pandemi Covid-

19 secara umum memiliki kualifikasi tinggi. Selanjutnya variabel keselamatan

penumpang selama masa pandemi Covid-19 di Kota Ambon secara umum memiliki

kualifikasi sangat tinggi.

Variabel laten mutu pelayanan (MP) mempunyai pengaruh yang signifikan

terhadap kepuasan penumpang (KP) karena nilai t-value dari kepuasan penumpang yaitu

sebesar 14,06 atau lebih besar dari 1,96 (untuk taraf nyata 5%). Variabel laten harga

angkutan umum (H) mempunyai pengaruh yang signifikan terhadap kepuasan

penumpang, karena nilai t-value yaitu sebesar 241,88 atau lebih besar dari 1,96 (untuk

taraf nyata 5%). Untuk variabel keselamatan penumpang (KP) mempunyai pengaruh

yang signifikan terhadap kepuasan penumpang, karena nilai t-value yaitu sebesar 137,10

atau lebih besar dari 1,96 (untuk taraf nyata 5%). Besar pengaruh variabel mutu

pelayanan, harga dan keselamatan terhadap kepuasan penumpang yaitu sebesar 78,1%,

sisanya 21,9% dipengaruhi oleh variabel lain di luar penelitian.


13

Daftar Pustaka

[1] Pradana, A. A. dan Casman, C. Pengaruh Kebijakan Social Distancing pada

Wabah COVID-19 terhadap Kelompok Rentan di Indonesia. Jurnal Kebijakan Kesehatan Indonesia (JKKI). 9(2): 61-67. 2020.

[2] Kresna, A. dan Ahyar, J. Pengaruh Physical Distancing dan Social Distancing

Terhadap Kesehatan dalam Pendekatan Linguistik. Jurnal Syntax Transformation.

1(4): 14-19. 2020. [3] Rahmatullah, I. Jaminan Hak Kesehatan Pekerja Work From Office Selama Masa

PSBB Covid-19. 'ADALAH, 4(1). 2020.

[4] Hartanto, H. dan Tajsgoani, N. Dualisme Pengaturan Ojek Online Angkut Penumpang dalam Pembatasan Sosial Berskala Besar (PSBB) di Jakarta. Al-'Adl,

13(2): 250-264. 2020.

[5] Anuraga, G. dan Otok, B. W. Pemodelan Kemiskinan di Jawa Timur dengan Structural Equation Modeling-Partial Least Square. Jurnal Statistika Universitas

Muhammadiyah Semarang. 1(2). 2013.

[6] Singer, H. SEM Modeling with Singular Moment Matrices Part II: ML-Estimation

of Sampled Stochastic Differential Equations. The Journal of Mathematical Sociology. 36(1): 22-43. 2012.

[7] Aulele, S. N., Hiariey, A. H., Lesnussa, Y. A., dan Matdoan, M. Y. Analisis Indeks

Kepuasan Mahasiswa Jurusan Matematika FMIPA Unpatti Terhadap Operator simPATI Menggunakan Structural Equation Modeling. Sainmatika: Jurnal Ilmiah

Matematika dan Ilmu Pengetahuan Alam. 15(1): 1-7. 2018.

[8] Hair Jr, J. F., Sarstedt, M., Hopkins, L., and Kuppelwieser, V. G. Partial Least Squares Structural Equation Modeling (PLS-SEM). European business review.

2014.

[9] Hooper, D., Coughlan, J., and Mullen, M. Structural Equation Modeling:

Guidelines for determining Model Fit. The Electronic Journal of Business Research. 6(1): 354-373. 2008.

Structural Equation Modeling (SEM) untuk Mengukur Pengaruh ...

Documents

Transcript of Structural Equation Modeling (SEM) untuk Mengukur Pengaruh ...